Finansiering

Forgepoint tar in 9,8 miljoner dollar i såddfinansiering för att föra AI till offertarbetet inom tillverkningsindustrin

mm
Lägg till Unite.AI bland dina föredragna källor på Google
Forgepoint co-founders standing inside a manufacturing facility with industrial equipment and a forklift.

En tillverkare kan ha utrustningen, materialen och expertisen som krävs för att tillverka en komponent – och ändå gå miste om uppdraget medan offerten väntar i inkorgen. Forgepoint utvecklar en AI-driven innesäljare vid namn Frank för att korta tiden från kundens förfrågan till ett pris som verkstaden är beredd att stå bakom.

Det New York-baserade företaget har tagit in 9,8 miljoner dollar i en såddrunda som leddes av Primary Venture Partners och a16z speedrun, med deltagande från affärsänglar med koppling till OpenAI, Brex, Vercel och SoFi. Finansieringen ska stödja expansion till fler tillverkare, djupare integrationer med befintliga affärssystem och nyrekryteringar.

Utgångspunkten är en offertförfrågan, eller RFQ: en samling e-postmeddelanden, ritningar, specifikationer och kommersiella krav som måste omvandlas till ett korrekt erbjudande. Forgepoint uppger att Frank hanterar det administrativa arbetet genom hela processen, medan ingenjörer, kalkylerare och säljare behåller ansvaret för de tekniska och kommersiella besluten.

Flaskhalsen innan produktionslinjen

Fabriksautomation för tankarna till robotar och verktygsmaskiner. Offertarbetet blottlägger en annan begränsning. En verkstad kan inte få uppdrag som den aldrig hinner lämna pris på, och de mest erfarna medarbetarna kan ägna en stor del av dagen åt att samla in information i stället för att bedöma uppdraget.

En inkommande offertförfrågan kan kräva en rad mindre arbetsmoment: identifiera rätt version av ritningen, bekräfta antal, efterfråga saknade specifikationer, hitta jämförbara beställningar, uppskatta kostnader, inhämta godkännande från teknisk personal och ta fram kundens dokument. Informationen måste sedan föras in i affärssystem och kundhanteringssystem, följt av ytterligare korrespondens.

Varje överlämning medför väntetid. Om bara det slutliga dokumentet automatiseras kvarstår en stor del av fördröjningen. Forgepoints strategi är att knyta samman mottagning, förberedelser, godkännande och uppföljning utifrån tillverkarens befintliga processer.

Detta är en del av en bredare utveckling mot att tillämpa generativ AI genom hela tillverkningsprocessen, även i det kommersiella och tekniska arbete som omger den fysiska produktionen. Den omedelbara möjligheten här handlar om administrativ kapacitet: att hjälpa ett befintligt team att bedöma fler möjliga uppdrag utan att den manuella samordningen behöver öka i samma takt.

Så för Frank en offertförfrågan fram till en godkänd offert

Enligt tillkännagivandet får Frank en e-postadress på tillverkarens domän och konfigureras utifrån företagets rutiner, prissättningsregler och godkännandekrav. När en förfrågan kommer in läser systemet meddelandet och bilagorna, identifierar luckor och kontaktar köparen för att få förtydliganden.

Därefter tar systemet fram en prissättning utifrån verkstadens egen kostnadsmodell, letar fram liknande historiska uppdrag och skickar utkastet till rätt granskare. Efter godkännande skapar det den slutliga offerten i företagets mall, skickar den och hanterar uppföljningen. E-postmeddelanden, bilagor och motiveringarna bakom besluten bevaras som dokumentation av arbetet.

Företagets produktdokumentation innehåller mer information om dokumentavläsning och granskning: Frank är utformat för att hämta mått, material och toleranser från ritningar och CAD-filer, tillämpa arbetskostnader och marginaler samt låta personalen redigera ett utkast innan det godkänns. Dokumentationen beskriver också konfigurerbar uppföljning och rapportering av försäljningspipen.

Godkännandet är den viktiga kontrollpunkten. En offert innebär ett kommersiellt åtagande, och små fel i en tolerans, ett materialkrav eller ett kostnadsantagande kan avgöra om ett uppdrag är lönsamt eller genomförbart. Frank beskrivs ha till uppgift att förbereda beslutsunderlaget och sköta det omgivande arbetsflödet, med mänsklig granskning innan en offert skickas.

Forgepoint har inte offentliggjort den underliggande modellarkitekturen i tillkännagivandet. Företagets särskiljande egenskaper ligger i hur AI kopplas till tillverkningsinformation och åtgärder, snarare än i en nyutannonserad grundmodell.

Ett arbetsflöde, olika ekonomiska förutsättningar

Offertberäkning går inte till på samma sätt inom hela tillverkningsindustrin. Ett metallservicecenter kan behöva stämma av materiallistor och kaplängder mot sin katalog, kontrollera lagersaldot och tillämpa kundspecifika priser. På ett gjuteri kan en ingenjör först behöva tolka en komponentfil och reda ut saknade krav i ritningen.

Forgepoint uppger att Frank anpassas efter dessa skillnader, med tillämpningar inom formsprutning, metallbearbetning, stansning, maskinbearbetning och andra tillverkningsprocesser. Den anpassningen är central för produkten: samma förfrågan kan innebära olika arbetsmoment, kostnader och risker beroende på vilken verkstad som tar emot den.

Historiska uppgifter kan vara till hjälp, men de kräver också omdöme. En liknande komponent som offererades förra året kan ha tillverkats med andra materialpriser, arbetskostnadsantaganden eller kundvillkor. Nyttan av ett tidigare uppdrag beror på om systemet visar relevant sammanhang och låter granskare korrigera antaganden.

Tidiga resultat och utmaningen med institutionellt minne

Forgepoint uppger att Frank nådde sjusiffriga återkommande årsintäkter inom sex månader efter lanseringen, och att hundratals ingenjörer, kalkylatorer och säljare använder produkten varje vecka. Bland kunderna rapporterar företaget en genomsnittlig ökning på 30 % av antalet offerter per månad och en minskning med mer än 55 % av tiden det tar att ta fram en offert.

Det här är resultat som företaget självt har rapporterat. I tillkännagivandet anges inte kundurvalet, mätperioden eller någon oberoende validering som behövs för att bedöma hur allmängiltiga resultaten är. Fler offerter och snabbare svar visar inte heller i sig att andelen vunna affärer är högre eller marginalerna större. De visar framsteg när det gäller en specifik operativ flaskhals.

En annan del av erbjudandet handlar om att bevara kunskap. Undantag från prissättningen, kundpreferenser och lärdomar från tidigare uppdrag finns ofta kvar i erfarna medarbetares inkorgar eller minnen. Om korrespondensen och besluten bakom en offert fångas upp kan det bli lättare att återfinna den bakgrunden när en kollega tar över eller en erfaren kalkylator går i pension.

Erfarenhet från tillverkningsindustrin möter företagsprogramvara

Medgrundaren och vd:n Jack Strauss har tidigare arbetat på Northrop Grumman, inom Bain & Companys avdelning för avancerad tillverkning och på Xwing, en systemintegratör inom flygindustrin. Medgrundaren och teknikchefen Alex Pareto ledde tidigare ingenjörsarbetet inom Brex organisation för utgiftshantering.

I början av 2025 tillbringade grundarna flera månader med att besöka fabriker i Mellanvästern och följa medarbetarna i deras arbete för att förstå vad det innebar. Produkten speglar detta fokus på processerna runt arbetet: befintliga e-postmeddelanden, dokument och prissättningslogik utgör utgångspunkten för automatiseringen.

Med tiden planerar Forgepoint att utvidga sitt arbetssätt till andra administrativa stödfunktioner inom tillverkningsindustrin. För närvarande finansierar såddrundan ett mer avgränsat test med konkreta mått: om Frank kan hjälpa verkstäder att ta fram korrekta offerter snabbare, hålla godkännanden synliga och ge yrkeskunniga medarbetare mer tid för de beslut som avgör vilka uppdrag som är värda att ta sig an.

Atlas Roan är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker artificiell intelligens inom additiv tillverkning, 3D-utskrifter och avancerad materialteknik. Hans arbete undersöker hur AI-driven design, simulering och processoptimering förändrar tillverkningsflöden - från prototyper till storskalig produktion.
Med ett praktiskt och tekniskt grundat perspektiv undersöker Atlas hur maskinlärning förbättrar utskriftstillförlitlighet, materialegenskaper och produktionseffektivitet över branscher som flyg- och rymdindustri, bilindustri, hälsovård och industriell tillverkning. Han är särskilt intresserad av hur AI möjliggör snabbare iteration, minskar avfall och låser upp nya materialegenskaper som tidigare var omöjliga eller mycket svåra att tillverka.
Artiklar skrivna av Atlas Roan är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa teknisk korrekthet, tydlighet och ansvarsfull rapportering om AI-driven tillverkning och materialinnovation.